| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-27页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究综述 | 第10-22页 |
| 1.2.1 动态时间弯曲 | 第10-17页 |
| 1.2.2 时间序列聚类 | 第17-20页 |
| 1.2.3 金融时间序列聚类 | 第20-21页 |
| 1.2.4 已有研究不足 | 第21-22页 |
| 1.3 研究内容和论文结构 | 第22-27页 |
| 1.3.1 研究内容 | 第22-23页 |
| 1.3.2 论文结构 | 第23-27页 |
| 第2章 理论基础 | 第27-36页 |
| 2.1 时间序列 | 第27页 |
| 2.2 距离度量 | 第27-31页 |
| 2.2.1 欧式距离 | 第28页 |
| 2.2.2 动态时间弯曲 | 第28-31页 |
| 2.3 特征表示 | 第31-32页 |
| 2.3.1 分段聚合近似 | 第31页 |
| 2.3.2 符号聚合近似 | 第31-32页 |
| 2.4 序列聚类 | 第32-34页 |
| 2.4.1 K-means聚类 | 第33页 |
| 2.4.2 层次聚类 | 第33-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第3章 数值符号和形态特征的时间序列相似性度量方法 | 第36-46页 |
| 3.1 特征表示及相似性度量 | 第36-40页 |
| 3.1.1 局限性分析 | 第36-38页 |
| 3.1.2 特征表示 | 第38页 |
| 3.1.3 相似性度量 | 第38-39页 |
| 3.1.4 时间复杂度 | 第39-40页 |
| 3.2 数值实验 | 第40-45页 |
| 3.2.1 数据集 | 第40-41页 |
| 3.2.2 分类实验 | 第41-44页 |
| 3.2.3 复杂度分析 | 第44-45页 |
| 3.3 本章小结 | 第45-46页 |
| 第4章 基于中心度的标签传播时间序列聚类方法 | 第46-64页 |
| 4.1 背景介绍 | 第46-47页 |
| 4.2 标签传播方法 | 第47-49页 |
| 4.3 标签传播时间序列聚类 | 第49-53页 |
| 4.3.1 相关概念及定义 | 第49-50页 |
| 4.3.2 基于中心度的标签传播社区发现 | 第50-52页 |
| 4.3.3 基于中心度的标签传播时间序列聚类 | 第52-53页 |
| 4.3.4 时间复杂度 | 第53页 |
| 4.4 数值实验 | 第53-62页 |
| 4.4.1 基于中心度的标签传播 | 第53-55页 |
| 4.4.2 基于中心度标签传播时间序列聚类 | 第55-61页 |
| 4.4.3 时间复杂度 | 第61-62页 |
| 4.5 本章小结 | 第62-64页 |
| 第5章 动态时间弯曲及时间序列聚类在金融领域的应用 | 第64-85页 |
| 5.1 基于动态时间弯曲的股票联动性研究 | 第64-75页 |
| 5.1.1 背景介绍 | 第64-65页 |
| 5.1.2 平均时间序列 | 第65-66页 |
| 5.1.3 基于DTW的股票联动性 | 第66-68页 |
| 5.1.4 数值实验 | 第68-75页 |
| 5.2 TLPC股指期货的套期保值策略中优化策略的应用 | 第75-83页 |
| 5.2.1 背景介绍 | 第75-76页 |
| 5.2.2 基于TLPC的金融时间序列聚类 | 第76-77页 |
| 5.2.3 最小误差追踪模型 | 第77-78页 |
| 5.2.4 数值实验 | 第78-83页 |
| 5.3 本章小结 | 第83-85页 |
| 第6章 总结与展望 | 第85-88页 |
| 6.1 论文的主要结论 | 第85页 |
| 6.2 论文的主要创新点 | 第85-86页 |
| 6.3 研究展望 | 第86-88页 |
| 参考文献 | 第88-97页 |
| 致谢 | 第97-98页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第98页 |
